我想要一天分享一點「LLM從底層堆疊的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。
有鑑於此，有必要學習一下評估流程 (Evaluation Process) 是怎麼回事。
Wang 等人於 2019 為他們的 SuperGLUE Benchmark 選擇了 NLP 的實際代表性任務，這些任務的選擇標準比 GLUE 更嚴格，例如，任務不僅必須理解文本，還必須理解推理 (Reason)，推理水平還不是人類頂尖專家的水平，然而，性能水準足以取代許多人工任務。
主要的 SuperGLUE 任務顯示在 https://super.gluebenchmark.com/tasks，如下所示：
圖片出自書籍：Transformers for Natural Language Processing and Computer Vision, 2024
